它能同时从空间和通道两个维度挖掘遥感图像的细节，无需复杂检测器就能灵活定位并表征图像中的关键目标，从而更精准地匹配图像与文本。
Wu, Dongqing · 李晖晖 · Xinyuan, Hou · Cuili, Xu · 程塨 · Lei, Guo · 刘航
IEEE Transactions on Geoscience and Remote Sensing 2024
伪区域生成模块通过聚类自适应聚合相似语义的网格特征，灵活高效地表示遥感图像中的局部目标，省去了部署目标检测器的成本。
在RSICD和RSITMD上相比现有方法平均R@1分别提升5.59%和12.79%，验证了模型在图文匹配中的有效性。
设计的注意力机制包含两项创新设计，能够缓解自注意力建模带来的高计算开销，使模型更高效。